从分镜到成片：AI 国风动画短片全流程实操指南（构图、生成、剪辑与口型同步完整拆解）

本文由 莫潇羽@源码七号站（www.fuyuan7.com）撰写，转载请注明出处。

快速摘要

这篇文章要解决的核心问题：为什么有些人用同样的 AI 工具，做出来的画面就是比别人强？

我自己折腾 AI 动画创作这条路走了不少弯路，踩过的坑归结起来，其实就是三类：画面构图太平、提示词乱写导致生成结果不可控、后期剪辑和音效做得太糙。这篇文章就是我把这些弯路整理成的一份系统性操作指南，涵盖从「项目文件夹建立」到「口型同步输出」的完整工作流。

核心结论先写在这里：构图不是工具的事，是脑子的事。你脑子里没有主次意识，AI 给你生成出来的也是一锅乱炖；动画生成的"单帧"和"首尾帧"是两种截然不同的工具逻辑，混用会让你的片子看起来脱节；音效一定要多轨叠加，只用一个碰撞声的打斗场面，听起来会像纸箱子互碰；超分这一步在发布前绝对不能省，1K 画质在高清屏上会非常糊。

莫潇羽@源码七号站，这些是我自己实操下来总结的核心经验，想看完整拆解，往下翻。

这篇文章适合谁读：已经开始用 AI 工具做视频、但总感觉生成出来的东西"不够好"的人；想系统了解 AI 动画制作工作流的人；以及对国风 IP 创作感兴趣、想把 AI 动画做出深度的人。不适合：完全没接触过 AI 工具，想找"一步就能出爆款"秘籍的读者——这篇文章讲的是有系统性的方法论，不是速成捷径。

前言：AI 改变了什么，又没有改变什么

这两年，AI 视频工具的迭代速度快到让人喘不过气。海螺 AI（Hailuo）在 2025 年推出的 Hailuo 02 模型，已经能原生输出 1080p、做到极限物理表现，帮助全球创作者生成了超过 3.7 亿个视频。即梦 AI 的视频 3.0 版本支持首尾帧；可灵在首尾帧连贯性上表现出色；而 PixVerse（也就是国内圈子里常说的"拍我 AI"）在 V5.5 版本里甚至实现了分镜+音频一键同步生成……工具军备竞赛打得热火朝天。

但我想说一句扫兴的话：工具的上限再高，也只是你创作能力的放大器。它放大你会的，也放大你不会的。一个不懂构图的人拿着海螺 AI，生成出来的视频依然会平、乱、没有主次。

这不是悲观，而是一个很重要的心态校准：别把时间都花在"用哪个工具"这个问题上，多花时间在"我想说什么故事、我想传递什么情绪"上面。工具会变，但讲故事的能力是你自己的资产，它不会因为某个 AI 工具停服而消失。

所以，这篇文章不是工具测评，而是一套让你真正用好这些工具的思路和操作方法。这套方法论，基于我折腾了相当长时间 AI 动画后的实际积累，也借鉴了许多传统影视制作的基础理论——这两者结合起来，才是做好 AI 动画的正确姿势。

第一章：项目规范——一切从第一个文件夹开始

很多人开始做 AI 动画的方式是：随手新建个文件夹，把生成的图片和视频往里一扔，然后项目做着做着，素材就乱成了一锅粥。我以前也这样，直到有一次接了个多集项目，素材超过两千条，找起来能急死人。

文件夹结构是创作者的基础设施，特别是当你想把 AI 动画往商业方向走的时候，项目规范更是必须从第一天就建立好。

我现在用的项目目录结构大概是这样：

AI项目/
├── 001_项目名称/
│   ├── 01_角色设定/
│   │   ├── 主角_正面.png
│   │   └── 主角_侧面.png
│   ├── 02_分镜图/
│   │   ├── SC001_镜头1_特写.png
│   │   └── SC002_镜头2_全景.png
│   ├── 03_动画素材/
│   │   ├── SC001_take01.mp4
│   │   └── SC001_take02.mp4
│   ├── 04_音频/
│   │   ├── BGM/
│   │   ├── 音效/
│   │   └── 配音/
│   ├── 05_剪辑工程/
│   └── 06_输出成片/
│       ├── DEMO_001.mp4
│       └── FINAL_001.mp4

这里有几个细节值得注意：

• 项目用三位数字编号，比如 001、002、003，这样排序不会乱。分镜图也用 SC001、SC002 编号，对应剧本里的场景编号，找起来一目了然。
• DEMO 和 FINAL 要严格区分。很多人交错用，最后自己都不知道哪个是最终版。我的习惯是：给对方看的粗剪叫 DEMO，定稿输出叫 FINAL，两者加上版本号，比如 FINAL_003.mp4 表示第三次修改后的终版。
• 音频单独开文件夹，BGM、音效、配音分三个子目录，不要混放。剪辑时会频繁从这里提取素材，结构清晰能省很多时间。

规范是枯燥的，但它是你未来一旦接到商业项目时，能活下来的底层能力。

版本管理的实用技巧

除了文件夹结构，版本管理也是很多初学者没意识到的问题。AI 生成是一个不断试错、不断迭代的过程，你今天觉得满意的分镜图，三天后可能发现更好的替代版本。这时候如果原始素材被你覆盖掉了，找回来就很麻烦。

我的习惯是：永远不要直接覆盖文件，改版本时给文件加版本号后缀，比如 SC001_take01.mp4 生成了更满意的版本后，新文件命名为 SC001_take02.mp4，旧的先不删。等到整个项目收尾输出成片之后，再统一清理不用的素材。

另外，提示词也要记录下来。很多人生成了一张效果很好的分镜图之后，没有保存当时的提示词，下次想重新生成类似风格的时候，怎么都找不回那个感觉。我用的方法是：在每个场景的文件夹里放一个 prompts.txt，把用过的有效提示词按镜头编号存进去，以后修改或者扩充这个场景时可以直接参考。

第二章：构图语言——让你的 AI 画面从"平"到"有料"

为什么你的画面总是平的

我在交流群里看了大量 AI 动画作品，发现一个共同的问题：画面很空，看不出主体，什么都有，什么都不突出。

这不是工具的锅，是构图意识缺失的问题。

导致这个问题有一个很深层的原因：很多人在生成图片的时候，是用"让 AI 帮我想画面"的心态在工作，而不是"我知道我要什么，让 AI 帮我实现"的心态。一旦你自己脑子里没有画面感，AI 给出来的就是它的平均答案，而平均答案，永远是没有个性的。

构图的本质，是"有组织、有目的地安排观众的视线"。你想让观众看哪里，你就把那个区域弄得更亮、更突出、更有引导感。如果整个画面全都是亮的，全都是细节丰富的，观众的眼睛就不知道该往哪里停，这就是"平"的根源。

莫潇羽@源码七号站的理解是：构图是你和观众之间的无声对话，你在用画面告诉他们"看这里"。

要建立构图意识，最有效的方式不是背理论，而是带着问题去看优秀的影视作品。看一部好的武侠片或者动画片时，暂停在你觉得"这个镜头真好看"的地方，问自己：画面里最亮的区域在哪里？最暗的区域在哪里？我的眼睛最先被吸引到哪里？有没有线条把我的视线引向某个方向？

这样带着问题去看，看几十部片子之后，你对"好构图"的感知就会逐渐内化成直觉，写提示词的时候自然而然就会带进去。

闭合构图：用遮挡制造悬念

闭合构图是我个人非常喜欢用的一种技巧，核心逻辑是用画面元素遮挡主体的一部分，让观众的大脑自动补全。

举个例子：一条古道，被两侧的树枝部分遮挡，只能看到路的前段。你的眼睛会自然地沿着路延伸出去，想象那条路通向哪里。这比你把整条路完整地拍出来，要神秘得多、有吸引力得多。

从 AI 创作的角度来说，在提示词里加入"前景遮挡""虚化前景树枝"之类的描述，能有效帮助你生成带有闭合构图感的分镜图。不要一开始就把主角全脸展示出来，适当的遮挡、剪影、侧影，都能让观众产生想继续看的欲望。

光影与色彩对比：告诉观众"该往哪儿看"

视觉的本质是光。人的眼睛天然会被亮度集中的区域吸引，这是人类进化出来的本能反应。

所以，你想突出主体，最简单的办法就是让它比周围亮。背景压暗，主角身上留高光。如果主角身处暗部，那就给他一个轮廓光——从背后打出来的边缘高光，能让他从背景里"浮出来"，同时产生一种戏剧性的轮廓感。

互补色的对比也是很常用的手法。蓝色与橙色互为补色，两者放在同一个画面里，视觉张力非常强，国风电影里用得特别多，比如烛火的暖黄与夜色的冷蓝叠在一起，主体就很容易从背景中凸显出来。

在写提示词的时候，建议你主动写明光影方向，比如"逆光轮廓光""侧面暗光""烛火映照脸部"，这些描述能帮助 AI 生成更有层次感的画面。

画面平衡：视觉重量的微妙游戏

这一块很多人会忽略，但它直接影响一张图看起来是否舒服。画面里的每个元素都有视觉重量，颜色深的、体积大的、细节复杂的，视觉重量就高。

设计角色时，如果人物的头发主要在左侧堆积，左边就会显得"沉"，整个画面就失衡。这时候可以在右侧增加一些元素来平衡，比如武器、飘带、披风，或者让画面右侧有更多明亮区域，用亮度来平衡暗色部分的重量。

一个实用的设计思路是：用不对称来制造张力，用细节来实现平衡。比如角色一边戴耳环、一边握剑，乍看不对称，细看却在视觉重量上相互平衡，这比两边完全一样要有趣得多。

画面平衡还能传递角色状态。人物精神饱满、状态稳定时，构图是平衡的；一旦角色内心产生动荡、陷入混乱，可以刻意打破平衡，用倾斜构图来传递这种情绪。这是构图语言和镜头语言的综合运用。

引导线：横、竖、斜、曲，各有各的戏

引导线是最好用的构图工具之一，用来把观众的视线从画面的一端引导到主体所在的位置。不同方向的线条，传递的情绪是不一样的：

在生成打斗类分镜图时，有意识地在提示词里加入"对角线构图""倾斜画面""强烈透视"等描述，生成出来的画面运动感会强很多。

中心构图：东方美学里的"天子之中"

中心构图在影视作品里被大量使用，西方经典的例子是达芬奇的《最后的晚餐》——耶稣居中，两侧门徒的眼神和手势全都指向中间，构建出一种极强的视觉秩序感。

但中国的中心构图有自己的文化内涵。帝王居中、统御四方，这本身就是东方权力结构的视觉呈现。画面的主次分明、井然有序，折射的是集权文化里对秩序的推崇。所以当你在做国风题材时，中心构图不只是一种技法，它本身就在传递意涵。

更进阶的用法是多种构图叠加：中心构图 + 框架式构图（画面内有门框、屏风、古代建筑廊柱形成的自然框架）+ 纵深透视感（人物站在廊道深处，廊道向远处延伸），三层叠加之后，画面的层次感和故事感会非常丰富。

在写 AI 提示词时，可以这样描述："中心构图，古代宫殿廊道，人物站于画面中央，廊柱形成两侧框架，纵深透视，远处光源，电影质感"。

脊柱线：打斗场景的灵魂辅助线

这是我觉得最容易被忽视、但对打斗场景帮助最大的一个概念。

脊柱线，简单说就是角色的动态辅助线。人体本身有一条从头到脚的中轴，但如果在角色身上增加了披风、飘带、长辫子、动物尾巴，这条中轴就被"延伸"了——角色运动的时候，这些附属物会随着运动方向甩动，形成一条生动的动态曲线，让整个动作看起来更加流畅、有力。

李小龙在电影里常常脱掉上衣，原因之一就是为了展示脊柱线的曲线美——那条身体运动时产生的动态弧线，视觉冲击力极强。张艺谋在《英雄》里用大量帷幔来组织打斗场景的线条感，帷幔在两个人穿梭其中时不停交错变形，产生出一种无数动态线条同时运动的视觉张力，整体氛围不降反升。

落到实操上：在设计 AI 动画的打斗角色时，要主动为角色增加能产生脊柱线延伸效果的元素：

• 披风或斗篷
• 长辫子或飘逸的头发
• 动物尾巴（如猫尾、狐狸尾）
• 长袖汉服
• 带有飘带的武器（比如鞭子、带流苏的长剑）

有了这些元素之后，AI 在生成动作分镜时，就能自然地捕捉到这些元素的运动轨迹，生成出来的打斗画面会比没有这些元素的版本灵动许多。

第三章：角色与武器设计——差异化才是记忆点

看过大量 AI 动画作品之后，我发现一个让人发愁的现象：打开一百个国风打斗视频，九十个角色拿的都是刀或者剑。这不只是因为刀剑提示词好写，更是因为大家在设计角色的时候，根本没有深入思考过"这个角色应该是什么样的人"，只是把人塞进去然后给他一把武器。这当然不是说刀剑不好，但太同质化了，一点辨识度都没有。

中国古代的兵器体系极其丰富，戟、钺、斧、钩、鞭、双节棍、飞镖、流星锤、九节鞭……每一种武器都有自己独特的运动轨迹和视觉语言。九节鞭打起来是弧线运动，视觉张力很强；双板斧给笨重的角色用会有一种力拔千钧的厚重感；奇门武器本身就能产生强烈的记忆点，让观众一眼就能记住这个角色。

武器的选择要和角色的体型、性格相匹配。一个体型笨重、力量型的角色，适合用双板斧或者重锤；一个灵巧型的刺客角色，用暗器、飞刀或者短剑会更合适；一个修仙系的角色，可以考虑拂尘、法器或者法印之类的东西，视觉上的神秘感会比持刀更强。

还有一个容易忽略的细节：武器和角色的服装颜色要有配合意识。比如一个以"寒冰"为设定主题的角色，武器上带点冷色调的光效，服装选蓝银配色，整体视觉语言就统一了；如果武器是暖金色，服装是冷蓝色，这种冷暖对比本身也可以成为设定的一部分，但要有意识地去做，而不是随机拼凑。

提示词里描述角色时，建议把武器的材质、光效特征一起写进去，比如：

"手持哑光黑铁三板斧的壮汉武将，腰间一条银色链条将双斧悬挂，
 斧刃边缘残留暗红色战损纹路，整体色调深沉厚重"

这样的描述比"拿着斧子的武将"要具体得多，AI 生成出来的细节丰富度也会高很多。

莫潇羽@源码七号站的角色设计理念是：每一个设计决策都要有理由。角色为什么拿这把武器？这把武器和他的脊柱线延伸元素（披风/尾巴）之间如何配合，让他的动作语言更完整？想清楚这些，你生成出来的角色才不会是随机拼凑的。

第四章：分镜图生成——把脑子里的画面落到屏幕上

工具选型：海螺 AI 与即梦 AI 的差异

目前我用得最多的分镜图生成工具是海螺 AI（Hailuo，官网：hailuoai.com）和即梦 AI（jimeng.jianying.com）。两者各有侧重：